本技術(shù)涉及電數(shù)字?jǐn)?shù)據(jù)處理，尤其涉及一種燃?xì)夤芫W(wǎng)泄漏檢測(cè)方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品。

背景技術(shù)：

1、燃?xì)夤芫W(wǎng)作為城市能源供應(yīng)的關(guān)鍵基礎(chǔ)設(shè)施，其安全運(yùn)營(yíng)對(duì)于保障居民生活和社會(huì)穩(wěn)定至關(guān)重要。隨著城市化進(jìn)程的加快，燃?xì)夤芫W(wǎng)規(guī)模不斷擴(kuò)張，帶來(lái)了更多的安全挑戰(zhàn)。

2、以往的人工巡檢方法因其時(shí)間消耗大、盲區(qū)多、效率低下等缺陷，逐漸不能滿足現(xiàn)代城市對(duì)燃?xì)獍踩囊蟆?/p>

3、因此，從早期主要依靠人工巡檢的方式，到現(xiàn)今逐漸引入高精度傳感器技術(shù)和智能監(jiān)測(cè)系統(tǒng)?，F(xiàn)有技術(shù)中的燃?xì)夤芫W(wǎng)監(jiān)測(cè)體系中，監(jiān)測(cè)預(yù)警多依賴于對(duì)特定參數(shù)(如甲烷、乙烷等氣體濃度)的閾值監(jiān)測(cè)，一旦監(jiān)測(cè)數(shù)據(jù)超出預(yù)設(shè)的安全閾值即觸發(fā)預(yù)警。這種方式雖然直觀，但缺乏深度分析易產(chǎn)生誤報(bào)和漏報(bào)，無(wú)法全面反映整個(gè)管網(wǎng)的運(yùn)行狀態(tài)。

4、針對(duì)上述的問(wèn)題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種燃?xì)夤芫W(wǎng)泄漏檢測(cè)方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品，用以解決現(xiàn)有技術(shù)中缺乏對(duì)檢測(cè)數(shù)據(jù)的深度分析，產(chǎn)生誤報(bào)和漏報(bào)技術(shù)問(wèn)題。

2、第一方面，本技術(shù)提供一種燃?xì)夤芫W(wǎng)泄漏檢測(cè)方法，包括：

3、接收待處理數(shù)據(jù)，其中，所述待處理數(shù)據(jù)為燃?xì)夤芫W(wǎng)中目標(biāo)區(qū)域的時(shí)序數(shù)據(jù)；

4、對(duì)所述待處理數(shù)據(jù)進(jìn)行特征提取處理，生成目標(biāo)特征數(shù)據(jù)；

5、采用全連接神經(jīng)網(wǎng)絡(luò)模型對(duì)所述目標(biāo)特征數(shù)據(jù)進(jìn)行分析處理，生成檢測(cè)參數(shù)，其中，所述全連接神經(jīng)網(wǎng)絡(luò)模型通過(guò)多組樣本數(shù)據(jù)進(jìn)行多次機(jī)器學(xué)習(xí)得到，所述檢測(cè)參數(shù)用于表征所述目標(biāo)區(qū)域的運(yùn)行狀態(tài)；

6、基于所述檢測(cè)參數(shù)，確定所述燃?xì)夤芫W(wǎng)中所述目標(biāo)區(qū)域的泄露風(fēng)險(xiǎn)和泄露點(diǎn)位。

7、在一種可能的設(shè)計(jì)中，所述接收待處理數(shù)據(jù)，包括：

8、確定所述目標(biāo)區(qū)域的第一檢測(cè)節(jié)點(diǎn)，以及與所述檢測(cè)節(jié)點(diǎn)連接的第二檢測(cè)節(jié)點(diǎn)，其中，所述第一檢測(cè)節(jié)點(diǎn)為所述目標(biāo)區(qū)域內(nèi)的待檢測(cè)管段，所述第二檢測(cè)節(jié)點(diǎn)為與所述第一檢測(cè)節(jié)點(diǎn)相鄰的待檢測(cè)管段；

9、接收所述第一檢測(cè)節(jié)點(diǎn)的第一檢測(cè)數(shù)據(jù)，以及所述第二檢測(cè)節(jié)點(diǎn)的第二檢測(cè)數(shù)據(jù)，其中，所述第一檢測(cè)數(shù)據(jù)用于表征所述第一檢測(cè)節(jié)點(diǎn)的節(jié)點(diǎn)狀態(tài)信息，所述第二檢測(cè)數(shù)據(jù)用于表征所述第二檢測(cè)節(jié)點(diǎn)的節(jié)點(diǎn)狀態(tài)信息；

10、基于所述第一檢測(cè)數(shù)據(jù)和所述第二檢測(cè)數(shù)據(jù)，確定所述待處理數(shù)據(jù)。

11、在一種可能的設(shè)計(jì)中，所述基于所述第一檢測(cè)數(shù)據(jù)和所述第二檢測(cè)數(shù)據(jù)，確定所述待處理數(shù)據(jù)，包括：

12、基于所述第一檢測(cè)數(shù)據(jù)的數(shù)據(jù)類別和時(shí)間戳信息，將所述第一檢測(cè)數(shù)據(jù)存儲(chǔ)至數(shù)據(jù)庫(kù)中；

13、基于所述第二檢測(cè)數(shù)據(jù)的數(shù)據(jù)類別和時(shí)間戳信息，將所述第二檢測(cè)數(shù)據(jù)存儲(chǔ)至所述數(shù)據(jù)庫(kù)中；

14、對(duì)所述數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理后的數(shù)據(jù)，其中，所述預(yù)處理包括：缺失值處理、異常值處理或重復(fù)值處理中的至少一種；

15、對(duì)所述預(yù)處理后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，確定所述待處理數(shù)據(jù)。

16、在一種可能的設(shè)計(jì)中，所述對(duì)所述待處理數(shù)據(jù)進(jìn)行特征提取處理，生成目標(biāo)特征數(shù)據(jù)，包括：

17、采用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待處理數(shù)據(jù)進(jìn)行特征提取處理，得到一維特征數(shù)據(jù)，其中，所述卷積神經(jīng)網(wǎng)絡(luò)模型通過(guò)多組樣本數(shù)據(jù)進(jìn)行多次機(jī)器學(xué)習(xí)得到；

18、對(duì)所述一維特征數(shù)據(jù)進(jìn)行特征融合處理，生成所述目標(biāo)特征數(shù)據(jù)。

19、在一種可能的設(shè)計(jì)中，所述采用全連接神經(jīng)網(wǎng)絡(luò)模型對(duì)所述目標(biāo)特征數(shù)據(jù)進(jìn)行分析處理，生成檢測(cè)參數(shù)，包括：

20、獲取所述全連接神經(jīng)網(wǎng)絡(luò)模型中多層神經(jīng)網(wǎng)絡(luò)的權(quán)重值和偏置值，其中，所述多層神經(jīng)網(wǎng)絡(luò)包括：輸入層、隱含層或輸出層的至少一種；

21、基于所述權(quán)重值和所述偏置值，生成激活函數(shù)；

22、采用所述激活函數(shù)對(duì)所述目標(biāo)特征數(shù)據(jù)進(jìn)行計(jì)算處理，生成所述檢測(cè)參數(shù)。

23、在一種可能的設(shè)計(jì)中，所述基于所述檢測(cè)參數(shù)，確定所述燃?xì)夤芫W(wǎng)中所述目標(biāo)區(qū)域的泄露風(fēng)險(xiǎn)和泄露點(diǎn)位，包括：

24、獲取所述檢測(cè)參數(shù)中的風(fēng)險(xiǎn)參數(shù)和位置參數(shù)；

25、基于預(yù)設(shè)參數(shù)映射表，確定所述風(fēng)險(xiǎn)參數(shù)的風(fēng)險(xiǎn)等級(jí)；

26、基于所述風(fēng)險(xiǎn)等級(jí)和所述位置參數(shù)，確定所述目標(biāo)區(qū)域的泄露風(fēng)險(xiǎn)和泄露點(diǎn)位。

27、在一種可能的設(shè)計(jì)中，所述基于所述風(fēng)險(xiǎn)等級(jí)和所述位置參數(shù)，確定所述目標(biāo)區(qū)域的泄露風(fēng)險(xiǎn)和泄露點(diǎn)位，包括：

28、判斷所述風(fēng)險(xiǎn)等級(jí)是否大于預(yù)設(shè)風(fēng)險(xiǎn)閾值，得到判斷結(jié)果；

29、在所述判斷結(jié)果為所述風(fēng)險(xiǎn)等級(jí)大于預(yù)設(shè)風(fēng)險(xiǎn)閾值的情況下，確定所述泄露風(fēng)險(xiǎn)為高風(fēng)險(xiǎn)，并基于所述位置參數(shù)確定所述泄露點(diǎn)位；

30、在所述判斷結(jié)果為所述風(fēng)險(xiǎn)等級(jí)小于預(yù)設(shè)風(fēng)險(xiǎn)閾值的情況下，確定所述泄露風(fēng)險(xiǎn)為低風(fēng)險(xiǎn)，并確定所述泄露點(diǎn)位為無(wú)泄露點(diǎn)位。

31、第二方面，本技術(shù)提供一種燃?xì)夤芫W(wǎng)泄漏檢測(cè)裝置，包括：

32、接收模塊，用于接收待處理數(shù)據(jù)，其中，所述待處理數(shù)據(jù)為燃?xì)夤芫W(wǎng)中目標(biāo)區(qū)域的時(shí)序數(shù)據(jù)；

33、第一處理模塊，用于對(duì)所述待處理數(shù)據(jù)進(jìn)行特征提取處理，生成目標(biāo)特征數(shù)據(jù)；

34、第二處理模塊，用于采用全連接神經(jīng)網(wǎng)絡(luò)模型對(duì)所述目標(biāo)特征數(shù)據(jù)進(jìn)行分析處理，生成檢測(cè)參數(shù)，其中，所述全連接神經(jīng)網(wǎng)絡(luò)模型通過(guò)多組樣本數(shù)據(jù)進(jìn)行多次機(jī)器學(xué)習(xí)得到，所述檢測(cè)參數(shù)用于表征所述目標(biāo)區(qū)域的運(yùn)行狀態(tài)；

35、確定模塊，用于基于所述檢測(cè)參數(shù)，確定所述燃?xì)夤芫W(wǎng)中所述目標(biāo)區(qū)域的泄露風(fēng)險(xiǎn)和泄露點(diǎn)位。

36、在一種可能的設(shè)計(jì)中，所述接收模塊，具體用于：

37、確定所述目標(biāo)區(qū)域的第一檢測(cè)節(jié)點(diǎn)，以及與所述檢測(cè)節(jié)點(diǎn)連接的第二檢測(cè)節(jié)點(diǎn)，其中，所述第一檢測(cè)節(jié)點(diǎn)為所述目標(biāo)區(qū)域內(nèi)的待檢測(cè)管段，所述第二檢測(cè)節(jié)點(diǎn)為與所述第一檢測(cè)節(jié)點(diǎn)相鄰的待檢測(cè)管段；

38、接收所述第一檢測(cè)節(jié)點(diǎn)的第一檢測(cè)數(shù)據(jù)，以及所述第二檢測(cè)節(jié)點(diǎn)的第二檢測(cè)數(shù)據(jù)，其中，所述第一檢測(cè)數(shù)據(jù)用于表征所述第一檢測(cè)節(jié)點(diǎn)的節(jié)點(diǎn)狀態(tài)信息，所述第二檢測(cè)數(shù)據(jù)用于表征所述第二檢測(cè)節(jié)點(diǎn)的節(jié)點(diǎn)狀態(tài)信息；

39、基于所述第一檢測(cè)數(shù)據(jù)和所述第二檢測(cè)數(shù)據(jù)，確定所述待處理數(shù)據(jù)。

40、在一種可能的設(shè)計(jì)中，所述接收模塊，還具體用于：

41、基于所述第一檢測(cè)數(shù)據(jù)的數(shù)據(jù)類別和時(shí)間戳信息，將所述第一檢測(cè)數(shù)據(jù)存儲(chǔ)至數(shù)據(jù)庫(kù)中；

42、基于所述第二檢測(cè)數(shù)據(jù)的數(shù)據(jù)類別和時(shí)間戳信息，將所述第二檢測(cè)數(shù)據(jù)存儲(chǔ)至所述數(shù)據(jù)庫(kù)中；

43、對(duì)所述數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理后的數(shù)據(jù)，其中，所述預(yù)處理包括：缺失值處理、異常值處理或重復(fù)值處理中的至少一種；

44、對(duì)所述預(yù)處理后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，確定所述待處理數(shù)據(jù)。

45、在一種可能的設(shè)計(jì)中，所述第一處理模塊，具體用于：

46、采用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待處理數(shù)據(jù)進(jìn)行特征提取處理，得到一維特征數(shù)據(jù)，其中，所述卷積神經(jīng)網(wǎng)絡(luò)模型通過(guò)多組樣本數(shù)據(jù)進(jìn)行多次機(jī)器學(xué)習(xí)得到；

47、對(duì)所述一維特征數(shù)據(jù)進(jìn)行特征融合處理，生成所述目標(biāo)特征數(shù)據(jù)。

48、在一種可能的設(shè)計(jì)中，所述第二處理模塊，具體用于：

49、獲取所述全連接神經(jīng)網(wǎng)絡(luò)模型中多層神經(jīng)網(wǎng)絡(luò)的權(quán)重值和偏置值，其中，所述多層神經(jīng)網(wǎng)絡(luò)包括：輸入層、隱含層或輸出層的至少一種；

50、基于所述權(quán)重值和所述偏置值，生成激活函數(shù)；

51、采用所述激活函數(shù)對(duì)所述目標(biāo)特征數(shù)據(jù)進(jìn)行計(jì)算處理，生成所述檢測(cè)參數(shù)。

52、在一種可能的設(shè)計(jì)中，所述確定模塊，具體用于：

53、獲取所述檢測(cè)參數(shù)中的風(fēng)險(xiǎn)參數(shù)和位置參數(shù)；

54、基于預(yù)設(shè)參數(shù)映射表，確定所述風(fēng)險(xiǎn)參數(shù)的風(fēng)險(xiǎn)等級(jí)；

55、基于所述風(fēng)險(xiǎn)等級(jí)和所述位置參數(shù)，確定所述目標(biāo)區(qū)域的泄露風(fēng)險(xiǎn)和泄露點(diǎn)位。

56、在一種可能的設(shè)計(jì)中，所述確定模塊，還具體用于：

57、判斷所述風(fēng)險(xiǎn)等級(jí)是否大于預(yù)設(shè)風(fēng)險(xiǎn)閾值，得到判斷結(jié)果；

58、在所述判斷結(jié)果為所述風(fēng)險(xiǎn)等級(jí)大于預(yù)設(shè)風(fēng)險(xiǎn)閾值的情況下，確定所述泄露風(fēng)險(xiǎn)為高風(fēng)險(xiǎn)，并基于所述位置參數(shù)確定所述泄露點(diǎn)位；

59、在所述判斷結(jié)果為所述風(fēng)險(xiǎn)等級(jí)小于預(yù)設(shè)風(fēng)險(xiǎn)閾值的情況下，確定所述泄露風(fēng)險(xiǎn)為低風(fēng)險(xiǎn)，并確定所述泄露點(diǎn)位為無(wú)泄露點(diǎn)位。

60、第三方面，本技術(shù)提供一種電子設(shè)備，包括：處理器，以及與所述處理器通信連接的存儲(chǔ)器；

61、所述存儲(chǔ)器存儲(chǔ)計(jì)算機(jī)執(zhí)行指令；

62、所述處理器執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)執(zhí)行指令，以實(shí)現(xiàn)任一項(xiàng)所述的燃?xì)夤芫W(wǎng)泄漏檢測(cè)方法。

63、第四方面，本技術(shù)提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)執(zhí)行指令，所述計(jì)算機(jī)執(zhí)行指令被處理器執(zhí)行時(shí)用于實(shí)現(xiàn)任一項(xiàng)所述的燃?xì)夤芫W(wǎng)泄漏檢測(cè)方法。

64、第五方面，本技術(shù)提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序被運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行任一項(xiàng)所述的燃?xì)夤芫W(wǎng)泄漏檢測(cè)方法。

65、本技術(shù)提供的燃?xì)夤芫W(wǎng)泄漏檢測(cè)方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品，通過(guò)接收待處理數(shù)據(jù)，其中，所述待處理數(shù)據(jù)為燃?xì)夤芫W(wǎng)中目標(biāo)區(qū)域的時(shí)序數(shù)據(jù)；對(duì)所述待處理數(shù)據(jù)進(jìn)行特征提取處理，生成目標(biāo)特征數(shù)據(jù)；采用全連接神經(jīng)網(wǎng)絡(luò)模型對(duì)所述目標(biāo)特征數(shù)據(jù)進(jìn)行分析處理，生成檢測(cè)參數(shù)，其中，所述全連接神經(jīng)網(wǎng)絡(luò)模型通過(guò)多組樣本數(shù)據(jù)進(jìn)行多次機(jī)器學(xué)習(xí)得到，所述檢測(cè)參數(shù)用于表征所述目標(biāo)區(qū)域的運(yùn)行狀態(tài)；基于所述檢測(cè)參數(shù)，確定所述燃?xì)夤芫W(wǎng)中所述目標(biāo)區(qū)域的泄露風(fēng)險(xiǎn)和泄露點(diǎn)位的技術(shù)手段，實(shí)現(xiàn)提升燃?xì)夤芫W(wǎng)安全風(fēng)險(xiǎn)評(píng)估和泄露點(diǎn)定位的準(zhǔn)確度與及時(shí)性的技術(shù)效果。